摘要: 为了说明载荷和平台参数设置对星载毫米波雷达探测性能的影响,文中构建了由9 个子模块构成的星载毫米波雷达正演模拟器,利用天气研究与预报模型模拟云场景以及随机数据正演仿真对载荷和平台参数进行了敏感性分析。分析发现:星载毫米波雷达载荷平台采用天线直径为2. 5 m、轨道高度为400 km~450 km 的配置时,其探测性能相较于云廓线雷达提升超过7 倍;其信噪比达到25 dB 时,可以很好地减小噪声对反射率因子提取的影响;雷达标定常数误差在3. 36%以内时,可以满足反射率因子±1 dB 的探测精度要求;对于轨道高度为400 km 的星载毫米波雷达平台,当姿态角变化大于0. 13°时,其前后两次星下点观测区域完全错位,而当姿态角变化大于0. 75°时,其前后两次星下点位置相差5 km。
摘要: 采用认知雷达架构有助于实现雷达抗干扰技术的智能化程度提升。针对认知抗干扰技术领域中雷达对电磁干扰环境的感知问题,文中提出了一种基于深度学习的多节点干扰调制类型识别方法。该方法针对雷达信号处理的不同节点,如数字波束形成、自适应副瓣对消、脉冲压缩前后以及动目标检测之后,采用多个节点的时频平面和距离多普勒平面作为干扰信号的联合特征提取对象,建立了基于深度学习的多节点干扰识别策略模型,以提高多种干扰场景下的干扰识别正确率。为了提升干扰特征的提取能力和网络的训练效率,用于干扰识别的深度学习算法在卷积神经网络(CNN)的基础上引入了注意力机制和残差网络,建立了针对多节点策略下的干扰类型识别网络结构,实现了对多种不同干扰场景下的干扰类型识别。仿真结果表明,在单一干扰场景下,当干噪比为14 dB 时,所提算法的干扰识别准确率可达92%。在多干扰场景下,所提算法在不同节点策略的加持下,识别准确率可达90%。